Java实例——基于jsoup的简单爬虫实现（从智联获取工作信息）

　　这几天在学习Java解析xml，突然想到Dom能不能解析html，结果试了半天行不通，然后就去查了一些资料，发现很多人都在用Jsoup解析html文件，然后研究了一下，写了一个简单的实例，感觉还有很多地方需要润色，在这里分享一下我的实例，欢迎交流指教！

　　后续想通过Java把数据导入到Excel或者生成一个报表！

 1 package gethtml;
 2
 3
 4
 5 import java.io.IOException;
 6 import org.jsoup.Jsoup;
 7 import org.jsoup.nodes.Document;
 8 import org.jsoup.nodes.Element;
 9 import org.jsoup.select.Elements;
10
11 /**从智联招聘获取招聘信息
12  * @author syskey
13  * @url 智联招聘网站链接（建议不要更改）
14  * @city 搜索工作的城市
15  * @keywrods 搜索工作的相关关键字
16  */
17
18 public class JsoupHtml {
19
20     private String url="http://sou.zhaopin.com/jobs/searchresult.ashx?jl=";  //智联招聘网站
21     private  String city="西安"; //搜索工作的城市
22     private  String keywords="java";  //搜索工作的关键字
23     public JsoupHtml(String city,String keywords){
24         this.city=city;
25         this.keywords =keywords;
26
27     }
28
29     public void getZhiLianWork(){
30         try {
31             for (int i=0;i<10;i++) {
32                     System.out.println("*********开始遍历第"+(i+1)+"页的求职信息*********");
33                     Document doc = Jsoup.connect(url+city+"&kw="+keywords+"&p="+(i+1)+"&isadv=0").get();
34                     Element content = doc.getElementById("newlist_list_content_table");
35                     Elements zwmcEls = content.getElementsByClass("zwmc");
36                     Elements gsmcEls = content.getElementsByClass("gsmc");
37                     Elements zwyxEls = content.getElementsByClass("zwyx");
38                     Elements gzddEls = content.getElementsByClass("gzdd");
39                     Elements gxsjEls = content.getElementsByClass("gxsj");
40                     for(int j = 0;j<zwmcEls .size();j++){
41
42                         System.out.println(
43                                 zwmcEls.get(j).tagName("a").text()+"*****"+gsmcEls.get(j).tagName("a").text()+
44                                 "*****"+zwyxEls.get(j).tagName("a").text()+"*****"+gzddEls.get(j).tagName("a").text()+
45                                 "*****"+gxsjEls.get(j).tagName("a").text());
46                         System.out.println();
47                 }
48                     System.out.println("*********结束遍历第"+(i+1)+"页的求职信息*********");
49
50             }
51
52         } catch (IOException e) {
53             // TODO Auto-generated catch block
54             e.printStackTrace();
55         }
56     }
57     public static void main(String[] args) {
58
59         JsoupHtml jHtml = new JsoupHtml("上海", "java");
60         jHtml.getZhiLianWork();
61
62     }
63
64 }

　　更新源代码，支持生成html表格：

package jsouphtml;import java.io.BufferedWriter;
import java.io.File;
import java.io.FileOutputStream;
import java.io.IOException;
import java.io.OutputStreamWriter;import org.jsoup.Jsoup;
import org.jsoup.nodes.Document;
import org.jsoup.nodes.Element;
import org.jsoup.select.Elements;public class JsoupHtml {public static void main(String[] args) {       try {String url ="http://sou.zhaopin.com/jobs/searchresult.ashx?";String city ="西安";String keywords = "java";BufferedWriter bWriter = new BufferedWriter(new OutputStreamWriter(new FileOutputStream("output.html"),"utf-8"));bWriter.write("");File input = new File("input.html");Document doc2 = Jsoup.parse(input, "UTF-8",   "");Element table = doc2.getElementById("workinfo");table.text("");Element theader = table.appendElement("tr");theader.appendElement("th").text("序号");theader.appendElement("th").text("职位名称");theader.appendElement("th").text("公司名称");theader.appendElement("th").text("职位月薪");theader.appendElement("th").text("工作地点");theader.appendElement("th").text("发布日期");           for(int page=0;page<10;page++){               Document doc = Jsoup.connect(url+city+"&kw="+keywords+"&p="+page).get();                Element content = doc.getElementById("newlist_list_content_table");          Elements zwmcEls = content.getElementsByClass("zwmc");Elements gsmcEls = content.getElementsByClass("gsmc");          Elements zwyxEls = content.getElementsByClass("zwyx");           Elements gzddEls = content.getElementsByClass("gzdd");           Elements gxsjEls = content.getElementsByClass("gxsj");for(int i = 1;i<zwmcEls .size();i++){                Element tr =table.appendElement("tr");tr.appendElement("td").text((page+1)+"-"+i);tr.appendElement("td").text(zwmcEls.get(i).tagName("a").text());tr.appendElement("td").text(gsmcEls.get(i).tagName("a").text());tr.appendElement("td").text(zwyxEls.get(i).tagName("a").text());tr.appendElement("td").text(gzddEls.get(i).tagName("a").text());tr.appendElement("td").text(gxsjEls.get(i).tagName("a").text());}}System.out.println(doc2.html());bWriter.write(doc2.html());bWriter.close();} catch (IOException e) {// TODO Auto-generated catch blocke.printStackTrace();}}}

　　output.html模板：

<!doctype html>
<html lang="en"><head><meta charset="UTF-8"><meta name="Generator" content="EditPlus®"><meta name="Author" content=""><meta name="Keywords" content=""><meta name="Description" content=""><title>智联工作信息</title><style>body{margin:0;padding:0;}.header{height:100px;width:100%;background:#39c;color:#fff;text-align:center;line-height:100px;font-size:40px;font-family:"微软雅黑";}.body{width:100%;background:#fff;}.body table{width:90%;margin:0 auto;color:#2e2e2e;border:1px solid #cad9ea; border-collapse: collapse; }.body table th,td{min-width:50px;max-width:300px;}.feeter{height:30px;width:100%;background:#39c;color:#fff;text-align:center;line-height:30px;font-size:14px;font-family:"微软雅黑";}</style></head><body><div class="header">智联工作信息</div><div class="body"><table class="work" border="1"><tbody id="workinfo"></tbody></table></div><div class="feeter">版权所有 翻版必究@2017 sysker</div></body>
</html>

转载于:https://www.cnblogs.com/caoleiCoding/p/6476203.html

Java实例——基于jsoup的简单爬虫实现（从智联获取工作信息）相关推荐

【Java】基于jsoup爬虫实现（从智联获取工作信息）
这几天在学习Java解析xml,突然想到Dom能不能解析html,结果试了半天行不通,然后就去查了一些资料,发现很多人都在用Jsoup解析html文件,然后研究了一下,写了一个简单的实例,感觉还有很多 ...
智联招聘python岗位_Python爬虫爬取智联招聘职位信息
import urllib2 import re import xlwt '''遇到不懂的问题?Python学习交流群:821460695满足你的需求,资料都已经上传群文件,可以自行下载!''' cl ...
Python爬虫爬取智联招聘职位信息
目的:输入要爬取的职位名称,五个意向城市,爬取智联招聘上的该信息,并打印进表格中 #coding:utf-8 import urllib2 import re import xlwtclass ZLZ ...
【Python爬虫案例学习20】Python爬虫爬取智联招聘职位信息
目的:输入要爬取的职位名称,五个意向城市,爬取智联招聘上的该信息,并打印进表格中 ####基本环境配置: Python版本:2.7 开发工具:pycharm 系统:win10 ####相关模块: im ...
java图片简单爬虫_[Java教程]使用jsoup进行简单的爬虫操作爬取图片
[Java教程]使用jsoup进行简单的爬虫操作爬取图片 0 2015-12-01 17:00:27 package com.guanglan.util;import java.io.File;imp ...
基于人人网的简单爬虫（一）——正则表达式
应课程实验要求,要写一个基于人人网的简单爬虫.实验要求如下: 学会使用一种编程语言实现爬取人人网关系网络的程序.该程序功能如下: 1. 能够输入用户登陆所产生的cookie,允许爬虫对人人网进行爬取 ...
java爬取智联招聘职位信息
第一次写爬虫,案例比较简单,就在智联招聘网站上爬取职位信息. 技术点:IO流,集合,Jsoup使用,以及前端的知识代码如下: package com.wty.utils;import java.io ...
Python爬虫爬取智联招聘（进阶版）
运行平台: Windows Python版本: Python3.6 IDE: Sublime Text 其他工具: Chrome浏览器 0.写在前面的话本文是基于基础版上做的修改,如 ...
Python | 爬虫爬取智联招聘（进阶版）
上一篇文章中<Python爬虫抓取智联招聘(基础版)>我们已经抓取了智联招聘一些信息,但是那些对于找工作来说还是不够的,今天我们继续深入的抓取智联招聘信息并分析,本文使用到的第三方库很多, ...

Java实例——基于jsoup的简单爬虫实现（从智联获取工作信息）

Java实例——基于jsoup的简单爬虫实现（从智联获取工作信息）相关推荐

最新文章

热门文章